無人機(jī)技術(shù)在道路橋梁巡檢中的應(yīng)用

摘要 隨著無人機(jī)技術(shù)的發(fā)展，其在道路橋梁巡檢中的應(yīng)用逐漸普及。文章圍繞無人機(jī)技術(shù)在道路橋梁巡檢中的應(yīng)用展開研究，探討了無人機(jī)的選型、飛行規(guī)劃、圖像采集與處理、缺陷檢測算法，以及數(shù)據(jù)分析等關(guān)鍵技術(shù)。研究結(jié)果表明，通過合理利用無人機(jī)技術(shù)，可以顯著提高巡檢效率和精度，降低人工成本，并提供可靠的數(shù)據(jù)支持，研究成果可為相關(guān)領(lǐng)域提供參考和借鑒。

關(guān)鍵詞 無人機(jī)技術(shù)；道路橋梁巡檢；圖像采集與處理；缺陷檢測；數(shù)據(jù)分析

中圖分類號 U446 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-8949（2025）05-0004-03

0 引言

在現(xiàn)代道路橋梁維護(hù)中，巡檢工作是確保橋梁結(jié)構(gòu)安全的關(guān)鍵步驟[1]。傳統(tǒng)的巡檢方式依賴人工，存在效率低、成本高且易受環(huán)境影響等問題。隨著無人機(jī)技術(shù)的快速發(fā)展，其在道路橋梁巡檢中的應(yīng)用展現(xiàn)出獨(dú)特的優(yōu)勢，如高效、靈活和低成本等特點(diǎn)[2]。然而，無人機(jī)巡檢技術(shù)仍面臨諸多挑戰(zhàn)，如飛行規(guī)劃、圖像處理與分析、缺陷自動檢測等。該文將深入探討這些關(guān)鍵技術(shù)，以期為無人機(jī)在道路橋梁巡檢中的應(yīng)用提供理論依據(jù)和實(shí)踐指導(dǎo)。

1 工程概況

該工程項(xiàng)目的主要目標(biāo)是深入探索和驗(yàn)證無人機(jī)技術(shù)在道路橋梁巡檢中的實(shí)際應(yīng)用，以提升巡檢工作的效率和準(zhǔn)確性。項(xiàng)目選定的橋梁位于北京市郊外，是一座全長2.5 km的關(guān)鍵交通樞紐，主橋跨徑達(dá)到120 m，橋高35 m，結(jié)構(gòu)復(fù)雜且對巡檢要求極高。為確保橋梁的長期安全和穩(wěn)定，該項(xiàng)目計(jì)劃使用多旋翼無人機(jī)進(jìn)行定期巡檢，任務(wù)包括對橋面裂縫的詳細(xì)檢測、混凝土剝落的監(jiān)測，以及鋼結(jié)構(gòu)的腐蝕評估。該項(xiàng)目總投資約500萬元，涵蓋無人機(jī)設(shè)備采購、技術(shù)研發(fā)及巡檢方案的全面實(shí)施等。項(xiàng)目自2023年5月啟動，計(jì)劃于2024年5月完成，其間將通過多次巡檢和數(shù)據(jù)分析，逐步驗(yàn)證和優(yōu)化無人機(jī)在橋梁巡檢中的應(yīng)用效果，最終為后續(xù)的橋梁維護(hù)提供科學(xué)依據(jù)和技術(shù)支持。

2 無人機(jī)技術(shù)要點(diǎn)

2.1 無人機(jī)選型

在道路橋梁巡檢中，選用適合的無人機(jī)機(jī)型是確保巡檢質(zhì)量和效率的重要前提?？紤]橋梁巡檢的復(fù)雜性和多樣化需求，無人機(jī)的飛行穩(wěn)定性、負(fù)載能力、續(xù)航時(shí)間等因素都需精心選擇。首先，飛行穩(wěn)定性是保障無人機(jī)在復(fù)雜氣候條件下安全飛行的關(guān)鍵，尤其是在高空作業(yè)時(shí)，風(fēng)速、氣流變化等都可能對無人機(jī)的穩(wěn)定性產(chǎn)生影響，因此需要選擇具有良好抗風(fēng)能力的無人機(jī)。其次，負(fù)載能力是評估無人機(jī)能夠搭載傳感器和設(shè)備數(shù)量的標(biāo)準(zhǔn)。在道路橋梁巡檢中，為了獲取精確的結(jié)構(gòu)數(shù)據(jù)，無人機(jī)通常需要搭載高分辨率相機(jī)、紅外成像設(shè)備、激光雷達(dá)等多種傳感器，這就要求無人機(jī)具有較強(qiáng)的負(fù)載能力，以滿足不同設(shè)備的使用需求。最后，續(xù)航時(shí)間則直接影響無人機(jī)連續(xù)作業(yè)的時(shí)長。在橋梁巡檢中，特別是對于跨度較大、結(jié)構(gòu)復(fù)雜的橋梁，需要無人機(jī)具備足夠長的續(xù)航時(shí)間，確保一次飛行能夠覆蓋整個(gè)橋梁的巡檢范圍，避免多次起降帶來的時(shí)間損耗。

在該項(xiàng)目中，經(jīng)過詳細(xì)的需求分析和設(shè)備測試，最終選用搭載高分辨率相機(jī)的四旋翼無人機(jī)。該機(jī)型具有良好的飛行穩(wěn)定性，能夠在大風(fēng)環(huán)境下保持平穩(wěn)飛行；其負(fù)載能力也能夠滿足多種傳感器的搭載需求；續(xù)航時(shí)間則達(dá)到了30 min，足以完成一次完整的巡檢任務(wù)。該機(jī)型的詳細(xì)參數(shù)如表1所示：

這些參數(shù)確保了無人機(jī)在橋梁巡檢中的高效應(yīng)用，能夠?qū)崿F(xiàn)對橋梁結(jié)構(gòu)的全面、精準(zhǔn)監(jiān)測，為后續(xù)的數(shù)據(jù)分析和決策提供了可靠基礎(chǔ)。

2.2 飛行規(guī)劃

無人機(jī)的飛行規(guī)劃是影響道路橋梁巡檢效率和精度的關(guān)鍵環(huán)節(jié)。在實(shí)際操作中，飛行規(guī)劃不僅決定了無人機(jī)的飛行路線，還直接影響圖像采集的質(zhì)量和完整性。為確保巡檢過程能夠全面覆蓋橋梁的各個(gè)關(guān)鍵部位，項(xiàng)目團(tuán)隊(duì)采用了基于路徑優(yōu)化的飛行規(guī)劃算法。該算法能夠在滿足巡檢要求的前提下，最大限度地減少飛行時(shí)間，從而提高巡檢效率。

首先，飛行規(guī)劃的基礎(chǔ)是橋梁的三維模型。通過對橋梁的精確建模，可以獲取橋梁的各項(xiàng)結(jié)構(gòu)參數(shù)，如高度、寬度、長度及不同部位的具體位置等。這些信息為無人機(jī)的巡檢路徑設(shè)計(jì)提供了依據(jù)。根據(jù)三維模型，規(guī)劃出一條能夠全面覆蓋橋梁所有關(guān)鍵部位的巡檢路徑。路徑規(guī)劃時(shí)，將路徑點(diǎn)的間距設(shè)定為2 m，這樣的設(shè)置既能保證無人機(jī)飛行的穩(wěn)定性，又能確保拍攝圖像的連續(xù)性和清晰度。同時(shí)，將飛行高度設(shè)定為50 m，以保證所拍攝的圖像具有足夠的分辨率，能夠清晰地顯示橋梁表面可能存在的裂縫、剝落等問題。

為了實(shí)現(xiàn)路徑的優(yōu)化，該文引入一個(gè)數(shù)學(xué)目標(biāo)函數(shù)，用于最小化無人機(jī)在巡檢過程中所需的總飛行距離。該目標(biāo)函數(shù)如下：

（1）

式中，——第i個(gè)路徑點(diǎn)的三維坐標(biāo)；n——路徑點(diǎn)的總數(shù)。通過此目標(biāo)函數(shù)，可以計(jì)算出相鄰路徑點(diǎn)之間的直線距離，進(jìn)而得到整個(gè)巡檢路徑的總長度。優(yōu)化的目標(biāo)是使總長度最小化，從而減少無人機(jī)在空中飛行的時(shí)間和電力消耗。這不僅能提高巡檢效率，還能在巡檢過程中減少能量消耗，延長無人機(jī)的作業(yè)時(shí)間。

2.3 圖像采集與處理

在道路橋梁巡檢中，圖像采集和處理是發(fā)現(xiàn)結(jié)構(gòu)缺陷的關(guān)鍵環(huán)節(jié)。無人機(jī)搭載的高分辨率相機(jī)能夠捕捉橋梁表面的細(xì)微結(jié)構(gòu)，然后通過實(shí)時(shí)傳輸系統(tǒng)將圖像迅速傳回地面站進(jìn)行進(jìn)一步處理和分析，以確保盡早發(fā)現(xiàn)潛在問題。

圖像處理的第一步是去噪處理。由于環(huán)境中的噪聲可能會影響圖像質(zhì)量，應(yīng)采用高斯濾波算法減少這種影響[3]。

高斯濾波通過對圖像像素進(jìn)行加權(quán)平均，平滑噪聲，同時(shí)保留圖像的關(guān)鍵特征。高斯濾波的數(shù)學(xué)表達(dá)式如下：

（2）

式中，——經(jīng)過濾波后的像素值；σ——標(biāo)準(zhǔn)差，控制濾波的強(qiáng)度；x和y——像素的空間坐標(biāo)。高斯濾波根據(jù)σ值調(diào)節(jié)濾波的范圍，值越大，濾波效果越強(qiáng)，但也可能導(dǎo)致圖像模糊。接下來進(jìn)行灰度均衡處理，目的是增強(qiáng)圖像的對比度，使得橋梁表面的裂縫、剝落等缺陷更加明顯?；叶染馔ㄟ^調(diào)整圖像中每個(gè)灰度值的出現(xiàn)概率，使得圖像的亮度分布更加均勻，從而提升視覺效果?；叶染獾墓饺缦拢?/p>

（3）

式中，——灰度值v的概率分布；nv——具有灰度值v的像素?cái)?shù)；N——圖像的總像素?cái)?shù)。通過調(diào)整每個(gè)灰度值的分布，可以改善圖像的亮度和對比度，提高缺陷的檢測概率。最后一步是通過卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）實(shí)現(xiàn)邊緣增強(qiáng)[4]。邊緣增強(qiáng)的目的是突出圖像中的邊緣信息，如裂縫或剝落的邊界，使得這些缺陷更加明顯。CNN使用多個(gè)卷積核對圖像進(jìn)行逐層處理，提取邊緣特征。卷積操作的數(shù)學(xué)表達(dá)式如下：

（4）

式中，——卷積后的輸出像素值；——輸入圖像在坐標(biāo)處的像素值；——卷積核的權(quán)重矩陣；k——卷積核的半徑。通過卷積操作，CNN能夠提取圖像中的重要特征，如裂縫的邊緣等，并進(jìn)行放大和增強(qiáng)，使其在圖像中更加突出。

經(jīng)過上述處理后的圖像，缺陷信息更加清晰，便于進(jìn)一步的自動檢測和分析。這種處理流程不僅提高了圖像的可用性，還為橋梁結(jié)構(gòu)的精準(zhǔn)評估提供了強(qiáng)有力的技術(shù)支持。

2.4 缺陷檢測算法

缺陷檢測是無人機(jī)巡檢的核心技術(shù)，直接影響巡檢結(jié)果的精度和有效性。該項(xiàng)目采用了基于深度學(xué)習(xí)的YOLOv5（You Only Look Once）模型，專門用于自動識別橋梁表面的裂縫和剝落等缺陷[5]。YOLOv5模型以其高效的檢測速度和良好的準(zhǔn)確性，非常適合實(shí)時(shí)處理無人機(jī)采集的圖像數(shù)據(jù)。

檢測流程從圖像輸入開始，YOLOv5將圖像劃分為多個(gè)網(wǎng)格，每個(gè)網(wǎng)格預(yù)測其范圍內(nèi)的物體類別和位置。模型輸出的每個(gè)預(yù)測框包括物體類別、置信度和邊界框的位置，通過非極大值抑制過濾掉重復(fù)的預(yù)測，只保留最可靠的結(jié)果。這種方法既確保了高效的檢測速度，又提供了準(zhǔn)確的缺陷定位。

為提高模型的檢測精度，訓(xùn)練過程采用了大量的標(biāo)注數(shù)據(jù)，這些數(shù)據(jù)涵蓋多種光照、角度和環(huán)境條件下的橋梁圖像。通過反復(fù)調(diào)整模型的權(quán)重，使得預(yù)測結(jié)果與實(shí)際標(biāo)注盡可能一致，從而優(yōu)化模型性能。訓(xùn)練后的模型能夠在實(shí)際巡檢中快速識別和分類橋梁表面的各種缺陷。

模型精度的評估是通過平均精度均值（Average Precision"Mean，APM）指標(biāo)實(shí)現(xiàn)。APM衡量了模型在所有缺陷類別上的綜合檢測能力，計(jì)算公式如下：

（5）

式中，APi——第i類缺陷的平均精度；np——缺陷類別總數(shù)；APM——平均精度均值。平均精度（Average

Precision，AP）反映了模型在不同閾值下的精度和召回率表現(xiàn)。在測試中，YOLOv5模型的APM達(dá)到了85.4%，表明其在裂縫和剝落等缺陷的檢測中具有較高的準(zhǔn)確性。這種性能使得YOLOv5能夠有效應(yīng)對橋梁巡檢中的復(fù)雜環(huán)境，提供可靠的檢測結(jié)果。通過使用YOLOv5模型，無人機(jī)巡檢系統(tǒng)可以迅速、準(zhǔn)確地識別橋梁表面的缺陷，大幅提升巡檢效率和質(zhì)量。這不僅降低了人工巡檢的成本，還提高了對橋梁結(jié)構(gòu)問題的預(yù)見性，有助于及時(shí)采取維護(hù)措施，確保橋梁的安全性和使用壽命。

2.5 數(shù)據(jù)分析與結(jié)果

無人機(jī)巡檢的核心目標(biāo)是通過對獲取的巡檢數(shù)據(jù)進(jìn)行詳細(xì)分析，從而全面評估橋梁結(jié)構(gòu)的健康狀況。在該項(xiàng)目中，采用了先進(jìn)的結(jié)構(gòu)健康監(jiān)測（Structural Health Monitoring，SHM）系統(tǒng)，對無人機(jī)采集到的各類數(shù)據(jù)進(jìn)行綜合分析[6]。SHM系統(tǒng)能夠?qū)ρ矙z中收集的裂縫長度、寬度、分布等關(guān)鍵參數(shù)進(jìn)行精確處理，這些參數(shù)不僅為當(dāng)前橋梁的受損程度提供了詳細(xì)描述，還通過與歷史數(shù)據(jù)的對比，揭示橋梁結(jié)構(gòu)的劣化趨勢和潛在的風(fēng)險(xiǎn)點(diǎn)。分析過程涉及對不同巡檢時(shí)間點(diǎn)的數(shù)據(jù)進(jìn)行逐一比對，以捕捉橋梁結(jié)構(gòu)在不同時(shí)期的變化，或識別新出現(xiàn)的缺陷。這種動態(tài)比對分析方法使得評估更加全面，能夠及時(shí)發(fā)現(xiàn)橋梁結(jié)構(gòu)中可能存在的隱患或問題，從而為橋梁的維護(hù)和加固工作提供及時(shí)、科學(xué)的依據(jù)。最終，SHM系統(tǒng)將匯總所有數(shù)據(jù)和分析結(jié)果，形成清晰、詳細(xì)的橋梁健康狀況評估分析報(bào)告。這些評估結(jié)果不僅為橋梁維護(hù)人員提供了直觀的參考，還將指導(dǎo)后續(xù)維修計(jì)劃的制訂，確保橋梁在長期使用中的安全性和穩(wěn)定性。這種全面的分析方法為橋梁的預(yù)防性維護(hù)和風(fēng)險(xiǎn)管理提供了重要支撐，有助于延長橋梁的使用壽命，降低突發(fā)性維修的風(fēng)險(xiǎn)和成本。

3 巡檢后質(zhì)量控制

為了確保無人機(jī)巡檢數(shù)據(jù)的準(zhǔn)確性和可靠性，必須實(shí)施一系列全面的質(zhì)量控制措施。首先，在數(shù)據(jù)采集完成后，必須對無人機(jī)及其搭載的傳感器進(jìn)行全面的檢查和維護(hù)。這包括對無人機(jī)的飛行系統(tǒng)、攝像設(shè)備、GPS定位系統(tǒng)，以及其他傳感器的功能進(jìn)行逐一測試和校準(zhǔn)，以確保它們在下一次巡檢中仍能正常運(yùn)行，避免因設(shè)備故障而導(dǎo)致的數(shù)據(jù)誤差或丟失。其次，在數(shù)據(jù)處理階段，必須嚴(yán)格遵循標(biāo)準(zhǔn)化的操作流程。所有數(shù)據(jù)應(yīng)在統(tǒng)一的平臺上進(jìn)行處理，確保處理過程中不會因?yàn)槿藶椴僮魇д`或系統(tǒng)故障而產(chǎn)生誤差。同時(shí)，對于檢測到的關(guān)鍵數(shù)據(jù)，如橋梁結(jié)構(gòu)中的裂縫、剝落等缺陷，必須進(jìn)行多次分析和比對。這一過程包括通過不同的算法和工具對同一數(shù)據(jù)集進(jìn)行重復(fù)分析，以驗(yàn)證結(jié)果的一致性和準(zhǔn)確性。多次比對不僅能確認(rèn)數(shù)據(jù)的可靠性，還可能發(fā)現(xiàn)初步分析忽略的細(xì)微缺陷。

此外，巡檢數(shù)據(jù)應(yīng)與以往的歷史數(shù)據(jù)進(jìn)行全面的對比分析，通過這種縱向?qū)Ρ?，可以識別出橋梁結(jié)構(gòu)的劣化趨勢或新出現(xiàn)的隱患。通過分析不同時(shí)間點(diǎn)的巡檢數(shù)據(jù)，能夠更好地了解橋梁結(jié)構(gòu)的變化情況，從而為預(yù)防性維護(hù)和提前干預(yù)提供數(shù)據(jù)支持。這種多重驗(yàn)證和比對的過程，不僅大幅度提高了數(shù)據(jù)的可信度，還為橋梁的長期維護(hù)和管理提供了更全面和深入的依據(jù)。最終，這些措施將確保橋梁在長期使用中的安全性和穩(wěn)定性，有效延長其使用壽命，并降低未來維護(hù)和修復(fù)的成本。

4 結(jié)束語

綜上所述，無人機(jī)技術(shù)在道路橋梁巡檢中的應(yīng)用展現(xiàn)出了顯著優(yōu)勢，不僅提高了巡檢工作的效率和精度，還降低了成本和人工依賴。然而，隨著技術(shù)的發(fā)展，針對飛行規(guī)劃、圖像處理和缺陷自動檢測等方面的挑戰(zhàn)仍需進(jìn)一步研究和應(yīng)對。該文通過系統(tǒng)分析和實(shí)踐驗(yàn)證，為無人機(jī)在橋梁巡檢中的應(yīng)用提供了寶貴參考。未來，隨著無人機(jī)技術(shù)的不斷進(jìn)步，其在橋梁維護(hù)領(lǐng)域的應(yīng)用潛力將更加廣闊，為橋梁的長期安全和穩(wěn)定運(yùn)營提供更加可靠的技術(shù)保障。

參考文獻(xiàn)

[1]侯娜.城市道路橋梁巡檢養(yǎng)護(hù)管理信息系統(tǒng)的研究[J].科學(xué)與財(cái)富， 2022（16）：184-186.

[2]劉金成，王海明，何亞瓊，等.無人機(jī)技術(shù)在精準(zhǔn)林業(yè)中的應(yīng)用與挑戰(zhàn)[J].農(nóng)業(yè)工程學(xué)報(bào)， 2024（5）：14-24.

[3]李倩，向海昀，張玉婷，等.結(jié)合高斯濾波與MASK的G-MASK人臉對抗攻擊[J].計(jì)算機(jī)工程， 2024（2）：308-316.

[4]李振春，孫加星，楊繼東，等.卷積神經(jīng)網(wǎng)絡(luò)在AVA反演應(yīng)用中影響因素研究[J].中國石油大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2024（4）：57-67.

[5]宋道遠(yuǎn)，徐興華，邱少華，等.基于改進(jìn)YOLOv5的螺栓緊固件檢測[J].海軍工程大學(xué)學(xué)報(bào)， 2024（3）：72-76.

[6]龍武劍，舒雨清，梅柳，等.土木工程智能結(jié)構(gòu)健康監(jiān)測應(yīng)用綜述[J].結(jié)構(gòu)工程師， 2024（3）：203-216.